• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 공동 춘계학술대회 논문집
• /
• pp.544-549
• /
• 2003

본 논문에서는 Head-up Digitizing / Vectorizing 기술에 주로 사용되는 이진 영상으로부터 사용자의 초기 입력 좌표를 기준점으로 채택한 후 기준점을 중심으로 선형 및 벡터 형상을 추출하는 반자동 선형 추출 기술 개발에 관해 기술한다. 본 기술의 동작 과정을 살펴보면 다음과 같다. 사용자는 이진 영상에서 추출하고자 하는 선형 및 벡터 형상내의 한 좌표를 선택한다. 선택된 좌표는 기준점으로 채택되며, 이 기준점을 중심으로 네 방향으로 영암 값이 0인 픽셀들의 길이 및 orientation이 계산된다. 계산된 orientation을 바탕으로 폭 넓이가 계산되고 초기 좌표가 보정된 후 폭 넓이가 임계값을 만족시키면 동일한 선형물로 간주하여 추출 연산을 반복 수행하고, 폭넓이가 임계값을 벗어나면 새로운 선형물로 간주하고 추출을 중단한다 즉, 채택된 기준값을 중심으로 동일한 명암값의 검색을 진행하여 기준값과 유사한 방향성 및 폭 넓이 정보를 갖는 성분들의 중심 좌표를 선형물 추출 결과값으로 산출하는 기술이다. 본 기술을 통해 수작업으로 진행되던 지도 제작 및 Head-up Digitizing / Vectorizing 기술이 컴퓨터를 이용한 반자동기술로 대체될 수 있으며, 이를 통해 많은 인원과 시간을 소모하여야 했던 좌표 지도제작을 위성 영상을 이용하여 보다 쉽고 저렴한 가격으로 수행할 수 있는 방안을 제시할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.194-197
• /
• 2010

국내 외에서 범용으로 사용되는 2차원 흐름모형은 모든 하천의 흐름을 자연스럽게 모의할 수 있는 것은 아니다. 하천의 수위가 수량의 변화와 함께 상 하로 변하면서도 동시에 단면의 형상에 따라 좌 우 물가의 경계도 변하게 되지만, 수치모의를 위한 2차원 고정망의 사용으로 흐름영역에 대한 정확한 반영이 어렵게 된다. 그러나 최근 흐름경계의 변화를 반영하기 위한 마름/젖음 해석기법에 관한 연구를 통해 이러한 문제를 극복할 수 있다. 2차원 유한요소모형이 가지는 또 다른 문제는 하천흐름에 대한 수치모의를 수행하기 위해 필요한 초기조건으로 인한 문제이다. 모형에 사용되는 초기수위는 일반적으로 일정한 수위를 사용하게 되는데, 이와 같은 초기수위 값의 사용은 하류단의 경계수위가 하천의 상류구간 하상고보다 낮을 경우 원활한 모형의 모의를 위해 초기수위를 모든 하상고보다 높게 주어야 한다. 실제 흐름상태가 그대로 반영되지 않는 비물리적인 상태에서 모형의 계산이 수행되게 된다. 본 논문에서는 2차원 유한요소모형의 초기수위를 고정값이 아니라 실제 하상고로 인해 발생 가능한 하천의 수면을 초기수위 자료로 사용하고자 하며, 이를 위해 2차원 하도망에서 1차원 하도자료를 추출할 수 있는 연계모듈을 개발하였다. 이를 통해 구축된 1차원 하도자료로부터 1차원 모의를 수행하여 그 결과를 2차원 모형의 초기수위로 사용하였다. 이에 대한 적용성을 살펴보기 위해 직사각형 가상하도에 적용하여 모형의 결과를 검토하였다.

• 한국강구조학회 논문집
• /
• 제25권5호
• /
• pp.487-495
• /
• 2013

국내 현실을 고려한 직접해석법 적용 방안의 제안을 위한 기초 연구로 국내의 강구조물 제작 및 설치시 적용되는 초기변형 허용값을 반영한 직접해석법 적용의 타당성을 해석적으로 평가하였다. 해석의 주요 변수로는 골조의 규모, 축력비, 축력분포, 가상하중 크기, 가상하중 가력 위치, 최소수평하중 개념 적용 여부 등을 적용하였다. 수치해석적 연구 결과 국내 초기변형 허용값인 L/700의 적용은 타당한 것으로 나타났으며, 이를 위한 방안으로 초기변형 허용값 L/700에 근거한 가상하중을 B2계수의 결과가 1.5 이하이고 수평하중이 존재하는 경우에라도 수평하중과 가상하중간에 최소수평하중 개념을 이용하여 층수평하중 형태로 가력하는 방법을 제안하였다.

• 실천공학교육논문지
• /
• 제11권2호
• /
• pp.291-303
• /
• 2019

본 연구의 목적은 대학생의 성취지향성목표가 대학생활만족도와 대학 소속감에 미치는 영향에 대해 분석하는 것이다. 3년에 걸친 종단 자료를 바탕으로 시간의 흐름에 따른 변화를 분석하기 위해 본 연구는 잠재성장 모형을 활용하였다. 그 결과는 성취목표지향성 개념 중 숙달접근과 숙달회피는 대학생활만족도 초기값에는 영향을 주고 있으나 시간의 흐름에 따른 변화는 없었다. 반면, 수행접근은 대학생활만족도의 초기값에 영향을 주지 못하였지만 시간이 흐름에 따른 변화율에는 긍정적인 영향을 주었다. 그리고 수행회피는 초기값과 변화율 모두 영향을 주지 못하였다. 성취목표지향성 요인들이 소속감에 미치는 영향도 조사한 결과 숙달접근과 숙달회피는 대학생활만족도에 미치는 형태와 비슷하게 소속감 초기값에도 영향을 주었다. 다만 수행접근은 대학생활만족도의 변화율에는 영향을 주었지만 소속감 초기값에는 영향을 주지 않는 것으로 나타났다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.83-86
• /
• 2012

본 논문에서는 다양한 변이 추정 방식 중 영역기반(Area-based) 알고리듬과 특정기반(Feature-based) 알고리듬을 결합한 하이브리드(Hybrid) 변이추정 알고리듬을 제안한다. 제안하는 알고리듬은 Features from Accelerated Segment Test(FAST) 코너 점 추출기[2]를 이용하여 좌, 우 영상 각각의 특징 점을 추출한 후, 특징 점들의 정보를 이용한 스테레오 정함을 통해 신뢰도 높은 초기 변이지도(Disparity map)를 생생하게 된다. 그러나 생성된 초기 변이지도는 조밀하지 못하므로, 조밀한 변이 지도를 획득하기 위해 특징점이 추출된 영역에 대해서는 추정된 초기 변이 값을 이웃 픽셀과의 색 유사도를 고려하여 전파시키고 특징 점이 추출되지 않은 영역에 대해서는 이진 윈도우(Binary window)를 활용한 영역기반 변이추정 알고리듬[1]을 이용하여 변이 값을 추정한다. 이를 통해, 제안 알고리듬은 특징 기반 알고리듬에서 발생할 수 있는 보간법 문제를 해결함과 동시에 신뢰도가 높은 초기 변이지도를 사용함으로써, 영역 기반 알고리듬의 정합 오차를 줄여 신뢰도 높은 변이지도를 생생할 수 있다. 실험 결과 추정된 초기 변이지도는 ground truth와 비교 시 약 99%이상의 정확도를 보이며, 특징 점이 추출된 영역에서 기존의 영역기반 알고리듬보다 더 정확한 변이 값이 추정되었음을 확인하였다.

• 전력전자학회논문지
• /
• 제5권2호
• /
• pp.131-139
• /
• 2000

일반적으로 시스템 인식과 제어에 이용하는 다층 신경회로망은 기존의 역전파 알고리즘을 이용한다. 그러나 결선강도에 대한 오차의 기울기를 구하는 방법이기 때문에 국부적 최소점에 빠지기 쉽고, 수렴속도가 매우 늦으며 초기 결선강도 값들이나 학습계수에 민감하게 반응한다. 이와 같은 단점을 개선하기 위하여 확장된 칼만 필터링 기법을 역전파 알고리즘에 결합하였으나 계산상의 복잡성 때문에 망의 크기가 증가하면 실제 적용할 수 없다. 최근 신경회로망을 선형과 비선형 구간으로 구분하고 칼만 필터링 기법을 도입하여 수렴속도를 빠르게 하고 초기 결선강도 값에 크게 영향을 받지 않도록 개선하였으나, 여전히 은닉층의 선형 오차값을 역전파 알고리즘에 의해서 계산하기 때문에 학습계수에 민감하다는 단점이 있다. 본 논문에서는 위에서 언급한 기존의 신경회로망 알고리즘의 문제점을 개선하기 위하여 은닉층의 목표값을 최적기법에 의하여 직접계산하고 각각의 결선강도 값은 반복최소 자승법으로 온라인 학습하는 알고리즘을 제안하고 이들 신경회로망 알고리즘과 비교하고자 한다. 여러 가지 시뮬레이션과 실험을 통하여 제안된 방법이 초기 결선강도에 크게 영향을 받지 않으며, 기존의 학습계수 선정에 따른 문제점을 해결함으로써 신경회로망 모델에 기초한 실시간 제어기 설계에 응용할 수 있도록 하였다. 또한, 유도전동기의 속도추정과 제어에 적용하여 좋은 결과를 보였다.

• 한국정보통신학회논문지
• /
• 제16권3호
• /
• pp.470-475
• /
• 2012

EPCglobal Class-1 Gen-2 RFID 시스템의 Q-알고리즘에서는 슬롯-카운트 매개변수인 $Q_{fp}$ 값에 대한 초기 값이 정의되어 있지 않고, 슬롯-카운트의 크기를 증감시키기 위한 매개변수인 가중치 C의 값이 정해져 있지 않다. 따라서 태그의 수가 적은 상태에서 초기 $Q_{fp}$ 값을 크게 하면 빈 슬롯이 많이 발생하고, 태그의 수가 많은 상태에서 초기 $Q_{fp}$값을 적게 하면 충돌이 많이 발생한다. 또한 적절하지 못한 가중치를 선택할 경우 빈 슬롯 또는 충돌 슬롯이 많이 발생할 수 있다. 이로 인하여 질의 라운드 동안 최적의 프레임 크기에 수렴하는 속도가 늦어지므로 성능이 저하되는 문제점이 있다. 본 논문에서는 태그 수를 추정하여 최적의 초기 $Q_{fp}$ 값을 할당하고 현재의 슬롯-카운트 크기에 따라 가중치를 결정하는 기법을 제안하고, 이에 대한 성능을 분석한다.

• 전산구조공학
• /
• 제11권1호
• /
• pp.205-216
• /
• 1998

본 논문에서는 중복근을 갖는 비비례 감쇠시스템의 고유치 해석 방법을 제안하였다. 2차 고유치 문제의 행렬 조합을 통한 선형 방정식에 수정된 Newton-Raphson기법과 고유벡터의 직교성을 적용하여 제안방법의 알고리즘을 유도하였다. 벡터 반복법 또는 부분공간 반복법과 같은 기존의 반복법에서는 수렴성을 향상시키기 위해 변위법을 적용하였으며, 이 값이 시스템의 고유치에 근사하게 되면 행렬분해 과정에서 특이성이 발생한다. 그러나 제안방법은 구하고자 하는 고유치가 중복근이 아닐 경우에, 변위값이 시스템의 고유치 일지라도 항상 정칙성을 유지하며, 이것을 해석적으로 증명하였다. 제안방법은 수정된 Newton-Raphson기법을 이용하기 때문에 초기값을 필요로 한다. 제안방법의 초기값으로는 반복법의 중간결과나 근사법의 결과를 사용할 수 있다. 이들 방법중 Lanczon방법이 가장 효율적으로 좋은 초기값을 제공하기 때문에 Lanczon방법의 결과를 제안방법의 초기값으로 사용하였다. 제안방법의 효율성을 증명하기 위하여 두가지 예제 구조물에 대해 해석시간 및 수렴성을 가장 많이 사용하고 있는 부분공간 반복법과 Lanczon방법의 결과와 비교하였다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.847-856
• /
• 2013

본 연구에서는 Liu 등의 학습 알고리즘과 Wu와 Zhang의 초기 가중값의 범위 설정, 그리고 Gunaseeli와 Karthikeyan의 초기 가중값에 관한 연구 결과를 이용하여 일반화 네트워크를 구할 수 있는 개선된 학습을 제안하고, 최적화된 신경망 학습률들을 이용하여 개선된 학습 과정의 학습효율등을 비교해 본다. 제시된 알고리즘을 이용한 학습에서 학습 초기에는 가장 단순한 학습 패턴과 은닉층으로부터 학습을 시작한다. 신경망 학습과정 중에 지역 최소값에 수렴되는 경우에는 가중값 범위 조정을 통하여 지역 최소값 문제를 해결하고, 지역 최소값으로부터 탈출이 용이하지 않으면 은닉노드를 점차적으로 하나씩 추가하면서 학습한다. 각 단계에서 새롭게 추가된 노드에 대한 초기 가중값의 선택은 이차계획법을 이용한 최적 처리절차를 이용한다. 최적 처리절차는 은닉층의 노드가 추가된 후의 새로운 네트워크에서 학습회수를 단순히 증가시키지 않아도 주어진 학습 허용오차를 만족시킬 수 있다. 본 연구에서 적용한 개선된 알고리즘을 이용하면서 초기 가중값들에 관한 기존 연구들을 적용하면 신경망 학습시의 수렴 정도를 높여주고 최소한의 단순 구조를 갖는 일반화 네트워크로 추정할 수 있게 된다. 이러한 학습률들을 변화시키는 모의실험을 통하여 기존의 연구 결과와의 학습 효율을 비교하고 향후 연구 방향을 제시하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.493-496
• /
• 2004

본 연구에서는 신경망 학습의 중요한 평가 척도로써 고려될 수 있는 일반화 성능과 학습속도를 개선시키기 위한 방안으로써 초기 가중값과 학습률과 같은 주요 인자들을 이용한 신경망 학습 영향을 살펴본다. 특히 초기 가중값과 학습률을 고정시킨 후 새롭게 조정된 계수들을 점차적으로 변화시키는 새로운 인자 결합방법을 이용하여 신경망 학습량과 학습속도를 비교해 보고 계수조정을 통한 개선된 학습 영향을 살펴본다. 그리고 단순한 예제를 이용한 실증분석을 통하여 신경망 모형의 일반화 성능과 학습 속도 개선을 위한 각 인자들의 개별 효과와 결합 효과를 살펴보고 그 개선 방안을 제시한다.